開發人員教學：使用 JMP Pro 廣義迴歸更好地理解觀測數據觀測資料有助於對大型資料集、可能不表現出正交性的資料以及我們對預測而不是解釋感興趣的情況有用的分析。廣義迴歸平台是為設計的實驗和觀測資料建立迴歸模型的地方。需要記住的一些事情：
1）懲罰迴歸對觀測資料顯示出巨大的前景。
2）效應遺傳可能不是必需的。
3）如果有足夠的數據，請使用保留集，否則使用 AICc。
請參閱如何：
- 了解與估算相關的背景原則以及需要考慮的因素：
- 估計與事實的差距有多大（偏差）
- 估計值的變化程度（變異數）
- 如何透過估計器的均方誤差來測量偏差和方差原理的結合
- 了解懲罰回歸技術（嶺、套索、彈性網路、自適應套索、雙套索、Danzig 選擇器）
- 了解 JMP Pro 中如何處理效應遺傳
- 選擇網格控制選項
- 使用強制術語、提前停止和資訊缺失
資源
預測建模和機器學習回覆：開發人員教學：使用 JMP Pro 廣義迴歸更好地理解觀測數據@H2OSUP很高興您發現該簡報很有用！ 您是對的 - 如果您的預測變數之一缺少值，則 Genreg 的預設行為是忽略整行資料。
不過，有一種方法可以解決這個問題，即使用「擬合模型」中的「資訊缺失」選項。 您可以在「擬合模型」模型規範對話框的紅色小三角選單中找到它（下面的螢幕截圖）。 簡而言之，此選項對缺失值使用平均插補，並為模型添加缺失指標。 但為了了解更多細節，約翰索爾寫道一篇博文關於資訊缺失選項。
回覆：開發人員教學：使用 JMP Pro 廣義迴歸更好地理解觀測數據@clay_barker感謝您去年秋天介紹本教學。 我發現您的演示非常有用並且做得很好。 我有一個關於 GENREG 如何處理資料集中缺失單元格的問題。 如果輸入缺少一個單元格，GENREG 是否會在分析中排除整行？ 我想知道如果其他輸入缺少值，GENREG 是否會包含包含行中不缺少輸入的模型的行。 謝謝，麥克。
